1. 引言为什么提示词工程如此重要在大型语言模型LLM日益普及的今天提示词Prompt已成为我们与AI交互的核心界面。一个精心设计的提示词能够显著提升模型输出的质量、准确性和实用性而一个模糊或不当的提示则可能导致结果南辕北辙。提示词工程Prompt Engineering正是研究如何高效、精准地构建提示词以引导大模型完成特定任务的一门实践艺术与科学。本文将系统性地介绍提示词工程的核心概念、基础技巧、进阶策略以及最佳实践帮助你从“碰运气”式的提问转变为能够稳定、高效地驾驭大模型能力的“提示词设计师”。2. 提示词工程的核心要素理解提示词的基本构成是进行有效设计的第一步。一个完整的提示词通常包含以下几个关键部分指令Instruction明确告诉模型需要做什么例如“总结以下文章”、“将以下代码从Python转换为Java”。上下文Context为模型提供完成任务所需的背景信息、角色设定或约束条件例如“你是一位资深软件架构师”、“请用初中生能理解的语言解释”。输入数据Input Data需要模型处理的具体内容如待总结的文本、待翻译的句子、待分析的代码片段。输出指示Output Indicator指定期望的输出格式、结构或风格例如“以JSON格式返回”、“分点列出”、“字数控制在200字以内”。将这些要素清晰、有条理地组合起来是构建有效提示词的基础。3. 基础技巧让模型理解你的意图3.1 清晰明确避免歧义使用具体、无歧义的语言。对比以下两种提示模糊提示“写点关于人工智能的东西。”清晰提示“请撰写一篇约300字的短文介绍人工智能在医疗影像诊断中的最新应用、主要优势以及面临的挑战。要求语言通俗易懂面向非专业读者。”后者通过限定主题、字数、受众和内容要点能引导模型产出更符合预期的结果。3.2 提供示例Few-Shot Prompting对于复杂或格式固定的任务在提示词中提供一两个输入-输出示例能极大地帮助模型理解你的要求。示例情感分类请判断以下评论的情感倾向积极/消极/中性 输入“这款手机拍照效果太棒了夜景模式尤其出色。” 输出积极 输入“物流太慢了等了整整一周才到货。” 输出消极 输入“请根据以上示例判断‘电池续航一般但屏幕显示效果很好。’”3.3 分解复杂任务Chain-of-Thought对于需要多步推理的问题引导模型“一步一步思考”可以显著提升其逻辑性和准确性。这就是著名的思维链Chain-of-Thought, CoT提示。示例数学问题问题一个篮子里有15个苹果小明拿走了3个小华又放进去5个最后篮子里有多少个苹果 让我们一步一步思考 1. 最初有15个苹果。 2. 小明拿走了3个剩下 15 - 3 12个。 3. 小华放进去5个现在有 12 5 17个。 所以最后篮子里有17个苹果。4. 进阶策略解锁模型的深层能力4.1 角色扮演Role Prompting为模型赋予一个特定的角色或身份可以使其输出更专业、更具风格化。“假设你是一位经验丰富的产品经理请为‘智能家居语音助手’设计一份包含核心功能、目标用户和商业模式的产品需求文档PRD大纲。”“你是一位严厉但公正的文学评论家请评价以下这段小说开头的优缺点。”4.2 系统提示System Prompt与用户提示分离在许多API如OpenAI中可以将持久的、高层次的指令放在“系统”消息中将具体的任务输入放在“用户”消息中。这有助于建立稳定的对话上下文和角色设定。# 系统提示设定角色和基础规则 你是一个乐于助人且知识渊博的AI助手。你总是以清晰、有条理的方式回答并确保信息的准确性。如果遇到不确定的问题你会诚实告知。 用户提示具体任务 请解释什么是量子计算。4.3 使用分隔符和结构化格式使用如“”、“---”、“###”等分隔符来清晰划分提示词的不同部分如指令、上下文、输入防止模型混淆。### 指令 ### 将以下用户需求转化为软件的用户故事User Story。 格式要求 请使用以下模板 作为 [角色]我希望 [功能]以便于 [价值]。 输入 用户说“我希望在购物车页面能直接看到预估的运费和送达时间。”5. 实用场景与最佳实践5.1 内容创作与改写扩写“将下面这个段落扩展成一篇完整的博客文章引言字数约500字。”缩写/总结“用三句话概括这篇长文的核心观点。”风格转换“将这段技术说明文字改写成活泼、吸引人的营销文案。”语气调整“让下面这封邮件的语气更正式/更友好。”5.2 代码生成与调试生成代码“用Python写一个函数接收一个URL列表异步下载所有网页内容并返回文本。”需提供详细的功能描述和约束解释代码“逐行解释下面这段JavaScript代码的功能和逻辑。”附上代码调试代码“下面这段代码报错‘IndexError: list index out of range’请分析可能的原因并提供修复建议。”附上代码和错误信息示例1生成代码提示词请用Python编写一个函数 fetch_urls_content要求如下 1. 函数接收一个字符串列表 urls 作为参数。 2. 使用 aiohttp 库异步并发地获取每个URL的HTML内容。 3. 使用 BeautifulSoup 从HTML中提取纯文本去除所有标签。 4. 函数返回一个字典键为URL值为对应的纯文本内容。 5. 设置请求超时时间为10秒并忽略SSL证书验证仅用于示例。 6. 如果某个URL请求失败其对应的值应为字符串 Error: [具体异常信息]。 请提供完整的、可运行的代码并包含必要的import语句。期望的代码输出import aiohttp import asyncio from bs4 import BeautifulSoup from typing import List, Dict async def fetch_urls_content(urls: List[str]) - Dict[str, str]: 异步获取多个URL的HTML内容并提取纯文本。 async def fetch_one(session: aiohttp.ClientSession, url: str) - tuple[str, str]: try: async with session.get(url, timeout10, sslFalse) as response: html await response.text() soup BeautifulSoup(html, html.parser) # 获取所有文本并合并 text soup.get_text(separator , stripTrue) return url, text except Exception as e: return url, fError: {e} async with aiohttp.ClientSession() as session: tasks [fetch_one(session, url) for url in urls] results await asyncio.gather(*tasks) return dict(results) 示例用法如果作为脚本运行 if name main: sample_urls [ https://httpbin.org/html, https://example.com, https://invalid.url.xyz ] contents asyncio.run(fetch_urls_content(sample_urls)) for url, text in contents.items(): print(f{url}: {text[:100]}...) # 打印前100个字符示例2调试代码提示词下面这段Python代码报错 IndexError: list index out of range。请分析可能的原因并提供修复后的代码。 代码 def process_data(data_list): result [] for i in range(len(data_list)): if data_list[i] % 2 0: result.append(data_list[i] * 2) else: result.append(data_list[i] // 2) return result 测试用例 print(process_data([1, 2, 3, 4, 5])) print(process_data([])) # 这一行会引发错误期望的代码输出包含分析错误分析 IndexError: list index out of range 发生在 process_data 函数中。当传入的 data_list 为空列表 [] 时len(data_list) 为 0range(0) 不会产生任何迭代因此循环体不会执行。但是如果函数的设计意图是处理空列表并返回空列表那么代码本身逻辑没有问题。然而错误可能出现在调用者期望函数对空列表有特定处理或者错误信息来自其他代码部分。 仔细检查发现问题可能不在给出的 process_data 函数本身因为 range(len([])) 是 range(0)循环不会执行直接返回空列表 []不会触发 IndexError。 更可能的情况是调用 process_data 的上下文或未展示的代码中存在类似 data_list[i] 的访问而 i 可能超出了列表长度。例如 data [] value data[0] # 这里会触发 IndexError: list index out of range 修复建议 如果函数需要处理空列表应在访问元素前检查列表是否为空。 如果错误确实来自 process_data 函数则需检查循环边界。但根据给出的代码process_data([]) 应返回 []不会报错。 假设错误是由于函数内部未展示的代码导致的一个更健壮的 process_data 版本可以增加空列表检查 修复后的代码 def process_data(data_list): if not data_list: # 如果列表为空直接返回空列表 return [] result [] for i in range(len(data_list)): if data_list[i] % 2 0: result.append(data_list[i] * 2) else: result.append(data_list[i] // 2) return result 测试用例 print(process_data([1, 2, 3, 4, 5])) # 输出: [0, 4, 1, 8, 2] print(process_data([])) # 输出: []
1. 引言为什么提示词工程如此重要在大型语言模型LLM日益普及的今天提示词Prompt已成为我们与AI交互的核心界面。一个精心设计的提示词能够显著提升模型输出的质量、准确性和实用性而一个模糊或不当的提示则可能导致结果南辕北辙。提示词工程Prompt Engineering正是研究如何高效、精准地构建提示词以引导大模型完成特定任务的一门实践艺术与科学。本文将系统性地介绍提示词工程的核心概念、基础技巧、进阶策略以及最佳实践帮助你从“碰运气”式的提问转变为能够稳定、高效地驾驭大模型能力的“提示词设计师”。2. 提示词工程的核心要素理解提示词的基本构成是进行有效设计的第一步。一个完整的提示词通常包含以下几个关键部分指令Instruction明确告诉模型需要做什么例如“总结以下文章”、“将以下代码从Python转换为Java”。上下文Context为模型提供完成任务所需的背景信息、角色设定或约束条件例如“你是一位资深软件架构师”、“请用初中生能理解的语言解释”。输入数据Input Data需要模型处理的具体内容如待总结的文本、待翻译的句子、待分析的代码片段。输出指示Output Indicator指定期望的输出格式、结构或风格例如“以JSON格式返回”、“分点列出”、“字数控制在200字以内”。将这些要素清晰、有条理地组合起来是构建有效提示词的基础。3. 基础技巧让模型理解你的意图3.1 清晰明确避免歧义使用具体、无歧义的语言。对比以下两种提示模糊提示“写点关于人工智能的东西。”清晰提示“请撰写一篇约300字的短文介绍人工智能在医疗影像诊断中的最新应用、主要优势以及面临的挑战。要求语言通俗易懂面向非专业读者。”后者通过限定主题、字数、受众和内容要点能引导模型产出更符合预期的结果。3.2 提供示例Few-Shot Prompting对于复杂或格式固定的任务在提示词中提供一两个输入-输出示例能极大地帮助模型理解你的要求。示例情感分类请判断以下评论的情感倾向积极/消极/中性 输入“这款手机拍照效果太棒了夜景模式尤其出色。” 输出积极 输入“物流太慢了等了整整一周才到货。” 输出消极 输入“请根据以上示例判断‘电池续航一般但屏幕显示效果很好。’”3.3 分解复杂任务Chain-of-Thought对于需要多步推理的问题引导模型“一步一步思考”可以显著提升其逻辑性和准确性。这就是著名的思维链Chain-of-Thought, CoT提示。示例数学问题问题一个篮子里有15个苹果小明拿走了3个小华又放进去5个最后篮子里有多少个苹果 让我们一步一步思考 1. 最初有15个苹果。 2. 小明拿走了3个剩下 15 - 3 12个。 3. 小华放进去5个现在有 12 5 17个。 所以最后篮子里有17个苹果。4. 进阶策略解锁模型的深层能力4.1 角色扮演Role Prompting为模型赋予一个特定的角色或身份可以使其输出更专业、更具风格化。“假设你是一位经验丰富的产品经理请为‘智能家居语音助手’设计一份包含核心功能、目标用户和商业模式的产品需求文档PRD大纲。”“你是一位严厉但公正的文学评论家请评价以下这段小说开头的优缺点。”4.2 系统提示System Prompt与用户提示分离在许多API如OpenAI中可以将持久的、高层次的指令放在“系统”消息中将具体的任务输入放在“用户”消息中。这有助于建立稳定的对话上下文和角色设定。# 系统提示设定角色和基础规则 你是一个乐于助人且知识渊博的AI助手。你总是以清晰、有条理的方式回答并确保信息的准确性。如果遇到不确定的问题你会诚实告知。 用户提示具体任务 请解释什么是量子计算。4.3 使用分隔符和结构化格式使用如“”、“---”、“###”等分隔符来清晰划分提示词的不同部分如指令、上下文、输入防止模型混淆。### 指令 ### 将以下用户需求转化为软件的用户故事User Story。 格式要求 请使用以下模板 作为 [角色]我希望 [功能]以便于 [价值]。 输入 用户说“我希望在购物车页面能直接看到预估的运费和送达时间。”5. 实用场景与最佳实践5.1 内容创作与改写扩写“将下面这个段落扩展成一篇完整的博客文章引言字数约500字。”缩写/总结“用三句话概括这篇长文的核心观点。”风格转换“将这段技术说明文字改写成活泼、吸引人的营销文案。”语气调整“让下面这封邮件的语气更正式/更友好。”5.2 代码生成与调试生成代码“用Python写一个函数接收一个URL列表异步下载所有网页内容并返回文本。”需提供详细的功能描述和约束解释代码“逐行解释下面这段JavaScript代码的功能和逻辑。”附上代码调试代码“下面这段代码报错‘IndexError: list index out of range’请分析可能的原因并提供修复建议。”附上代码和错误信息示例1生成代码提示词请用Python编写一个函数 fetch_urls_content要求如下 1. 函数接收一个字符串列表 urls 作为参数。 2. 使用 aiohttp 库异步并发地获取每个URL的HTML内容。 3. 使用 BeautifulSoup 从HTML中提取纯文本去除所有标签。 4. 函数返回一个字典键为URL值为对应的纯文本内容。 5. 设置请求超时时间为10秒并忽略SSL证书验证仅用于示例。 6. 如果某个URL请求失败其对应的值应为字符串 Error: [具体异常信息]。 请提供完整的、可运行的代码并包含必要的import语句。期望的代码输出import aiohttp import asyncio from bs4 import BeautifulSoup from typing import List, Dict async def fetch_urls_content(urls: List[str]) - Dict[str, str]: 异步获取多个URL的HTML内容并提取纯文本。 async def fetch_one(session: aiohttp.ClientSession, url: str) - tuple[str, str]: try: async with session.get(url, timeout10, sslFalse) as response: html await response.text() soup BeautifulSoup(html, html.parser) # 获取所有文本并合并 text soup.get_text(separator , stripTrue) return url, text except Exception as e: return url, fError: {e} async with aiohttp.ClientSession() as session: tasks [fetch_one(session, url) for url in urls] results await asyncio.gather(*tasks) return dict(results) 示例用法如果作为脚本运行 if name main: sample_urls [ https://httpbin.org/html, https://example.com, https://invalid.url.xyz ] contents asyncio.run(fetch_urls_content(sample_urls)) for url, text in contents.items(): print(f{url}: {text[:100]}...) # 打印前100个字符示例2调试代码提示词下面这段Python代码报错 IndexError: list index out of range。请分析可能的原因并提供修复后的代码。 代码 def process_data(data_list): result [] for i in range(len(data_list)): if data_list[i] % 2 0: result.append(data_list[i] * 2) else: result.append(data_list[i] // 2) return result 测试用例 print(process_data([1, 2, 3, 4, 5])) print(process_data([])) # 这一行会引发错误期望的代码输出包含分析错误分析 IndexError: list index out of range 发生在 process_data 函数中。当传入的 data_list 为空列表 [] 时len(data_list) 为 0range(0) 不会产生任何迭代因此循环体不会执行。但是如果函数的设计意图是处理空列表并返回空列表那么代码本身逻辑没有问题。然而错误可能出现在调用者期望函数对空列表有特定处理或者错误信息来自其他代码部分。 仔细检查发现问题可能不在给出的 process_data 函数本身因为 range(len([])) 是 range(0)循环不会执行直接返回空列表 []不会触发 IndexError。 更可能的情况是调用 process_data 的上下文或未展示的代码中存在类似 data_list[i] 的访问而 i 可能超出了列表长度。例如 data [] value data[0] # 这里会触发 IndexError: list index out of range 修复建议 如果函数需要处理空列表应在访问元素前检查列表是否为空。 如果错误确实来自 process_data 函数则需检查循环边界。但根据给出的代码process_data([]) 应返回 []不会报错。 假设错误是由于函数内部未展示的代码导致的一个更健壮的 process_data 版本可以增加空列表检查 修复后的代码 def process_data(data_list): if not data_list: # 如果列表为空直接返回空列表 return [] result [] for i in range(len(data_list)): if data_list[i] % 2 0: result.append(data_list[i] * 2) else: result.append(data_list[i] // 2) return result 测试用例 print(process_data([1, 2, 3, 4, 5])) # 输出: [0, 4, 1, 8, 2] print(process_data([])) # 输出: []
)
